Vous êtes sur la page 1sur 38

Cours dAlg`ebre II

Pr. Khatmi samira


Fevrier 2012
Table des mati`eres
1 Formulation Mathematique 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Les etapes de la formulation mathematique . . . . . . . . . . . . . 1
1.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3.1 Les oiseaux migrateurs . . . . . . . . . . . . . . . . . . . . 1
1.3.2 Les camions de livraison . . . . . . . . . . . . . . . . . . . 2
1.3.3 Histoire doeufs . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Resolution des syst`emes lineaires 5
2.1 Preliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 Operations elementaires sur les lignes dun syst`eme . . . . 6
2.2 Resolution par la methode de Gauss . . . . . . . . . . . . . . . . . 6
2.2.1 Principe de la methode de Gauss . . . . . . . . . . . . . . 6
2.2.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Resolution par la methode de Cramer . . . . . . . . . . . . . . . . 10
2.3.1 Determinant dune matrice carree dordre 2 . . . . . . . . 10
2.3.2 Determinant dune matrice carree dordre 3 par la methode
de Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.3 Determinant dune matrice carree dordre n > 2 par la
methode de cofacteurs . . . . . . . . . . . . . . . . . . . . 12
2.3.4 Proprietes des determinants . . . . . . . . . . . . . . . . . 14
2.3.5 Principe de la resolution par la methode de CRAMER . . 15
2.3.6 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Produit scalaire et Espace euclidien 21
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Norme euclidienne . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Orthogonalite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 Familles orthogonales - Familles orthonormales . . . . . . . 27
i
TABLE DES MATI
`
ERES
3.2.3 Sous-espace orthogonaux . . . . . . . . . . . . . . . . . . . 28
3.3 Espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.2 Bases orthonormales . . . . . . . . . . . . . . . . . . . . . 30
3.4 Supplementaire orthogonale . . . . . . . . . . . . . . . . . . . . . 31
3.5 EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
ii Alg`ebre II
Chapitre 1
Formulation Mathematique
1.1 Introduction
Ce chapitre presente quelques exemples vous permettant de se familiariser avec
la traduction sous forme mathematiquedune situation economique qui consiste
` a realiser lobjectif dune entreprise sujette `a une limitation de ressources.
Generalement les objectives des entreprises consistent ` a maximiser le prot ou
minimiser les co uts.
1.2 Les etapes de la formulation mathematique
1. Identier les variables de decision du probl`eme : les inconnues quon cherche
pour atteindre lobjectif de lentreprise et les representer sous forme sym-
bolique (Par exemple x
1
; x
2
).
2. Identier les restrictions relatives aux variables de decision `a cause de la li-
mitation des ressources qui peuvent etre exprimees par un ensemble dequa-
tions lineaires.
Remarque 1.2.1. Les param`etres du probl`eme en dehors des variables de deci-
sions doivent avoir une valeur connue avec certitude.
1.3 Exemples
On presente dans cette section une serie dexemples permettant dintroduire
et dexpliciter la notion de formulation mathematique.
1.3.1 Les oiseaux migrateurs
Des oiseaux, fatigues dune longue migration, se reposent sur les branches
hautes et basses dun arbre. Un oiseau dune branche du haut qui avait le sens
1
Formulation Mathematique
de lobservation et de bonnes capacites darithmetique cria ` a lun place sur une
branche du bas : Si je viens te rejoindre nous serons autant en haut et en bas
mais si cest toi qui viens alors nous serons deux fois plus nombreux quen bas
Combien doiseaux y a-t-il sur les branches hautes et basses de larbre ?
1. Les variables de decision
x : le nombre doiseaux sur les branches du haut.
y : le nombre doiseaux sur les branches du bas .
2. Les contraintes ecomiques
Si je viens te rejoindre nous serons autant en haut et en bas :
x 1 = y + 1
Si cest toi qui viens alors nous serons deux fois plus nombreux quen
bas :
x + 1 = 2(y 1)
Le syst`eme dequations lineaires secrit :
Resoudre
_
x y = 2
x 2y = -3
1.3.2 Les camions de livraison
Deux camionnettes livrent du sable sur un chantier de travaux publics. La pre-
mi`ere livre 2 tonnes `a chaque voyage, lautre 3 tonnes. Une fois livree la quantite
commandee, un des chaueurs dit ` a lautre : On a fait, ` a nous deux, 30 voyages
et on a livre autant chacun Combien chaque camion a-t-il fait de voyages et
quelle etait la quantite commandee ?
1. Les variables de decision
x : le nombre de voyages du camion qui transporte 2 tonnes.
y : le nombre de voyages du camion qui transporte 3 tonnes.
2. Les contraintes economiques
On a fait, `a nous deux, 30 voyages :
x + y = 30
on a livre autant chacun :
2x = 3y
Le syst`eme dequations lineaires secrit :
Resoudre
_
x + y = 30
2x 3y = 0
2 Alg`ebre II
1.3 Exemples
1.3.3 Histoire doeufs
Un beau matin, jour du marche, un fermier cherche `a vendre 40 de ses din-
donneaux, 50 douzaines doeufs et 30 Kg de beurre frais en motte quil vend par
livres (demi-kilogrammes). A midi, il a vendu la moitie des dindonneaux, 20 dou-
zaines doeufs et 24 livres de beurre, ce qui lui a rapporte 316 Dhs . La vente de
lapr`es-midi lui a rapporte 331 Dhs en vendant 18 dindonneaux, trente deux livres
de beurre et la moitie des doeufs quil avait apporte le matin. Sur le chemin du
retour, il reussit `a vendre le reste ` a un passant pour 35 Dhs en faisant cependant
une remise de 10% sur les dindonneaux et 50% sur le beurre. Calculez le prix de
vente au matin, dun dindonneau, dune douzaine doeufs et dune livre de beurre.
1. Les variables de decision
x : le prix dun dindonneau
y : le prix dune douzaine doeufs.
z : le prix dune livre de beurre (prix du matin).
2. Les contraintes economiques
A midi, il a vendu la moitie des dindonneaux, 20 douzaines doeufs et 24
livres de beurre, ce qui lui a rapporte 316 Dhs :
20x + 20y + 24z = 316 5x + 5y + 6z = 79
La vente de lapr`es-midi lui a rapporte 331 Dhs en vendant 18 dindon-
neaux, trente deux livres de beurre et la moitie des oeufs quil avait
apporte le matin :
18x + 25y + 32z = 331
Sur le chemin du retour, il reussit ` a vendre le reste ` a un passant pour 35
Dhs en faisant cependant une remise de 10% sur les dindonneaux et 50%
sur le beurre :
Une remise de 10% sur les deux derniers dindonneaux rapporte 1,8 x.
Une remise de 50% sur les quatres derniers livres de beurre rapporte
2z.
Il restait 5 douzaines doeufs.
1, 8x + 5y + 2z = 35 9x + 25y + 10z = 175
Le syst`eme dequations lineaires secrit :
Resoudre
_

_
20x + 20y + 24z = 316
18x + 25y + 32z = 331
9x + 25y + 10z = 175
Pr.Khatmi 3
Chapitre 2
Resolution des syst`emes lineaires
2.1 Preliminaires
2.1.1 Denitions
Denition 2.1.1.
On appelle equation lineaire `a p inconnues toute equation de la
forme :
a
1
x
1
+ a
2
x
2
+ ...... + a
p
x
p
= b
x
1
, x
2
......x
p
sont les inconnues
a
1
, a
2
, .......a
p
, b sont des coecients numeriques appartenant `a R
Un p-uplet (c
1
, c
2
, .....c
p
) delements de R verie lequation ou est
solution de lequation si legalite : a
1
c
1
+ a
2
c
2
+ .... + a
p
c
p
= b est
verie.
Lequation 0x
1
+0x
2
+...+0x
p
= est impossible si ,= 0 indetermine
si = 0.
Remarque 2.1.1. Lorsque lequation comporte peu dinconnue, on les notes par
commodite : x, y, z, t, ....
Denition 2.1.2.
On appelle syst`eme de n equations lineaires `a p inconnues le n-
uplet dequations :
(S)
_

_
a
11
x
1
+ ... + a
1j
x
j
+ .... + a
1p
x
p
, = b
1
a
21
x
1
+ ... + a
2j
x
j
+ .... + a
2p
x
p
, = b
2
.
.
.
a
i1
x
1
+ ... + a
ij
x
j
+ .... + a
ip
x
p
, = b
i
.
.
.
a
n1
x
1
+ ... + a
nj
x
j
+ .... + a
np
x
p
, = b
n
5
Resolution des syst`emes lineaires
O` u les coecients a
ij
et b
i
(1 i n, 1 j p) sont des elemets
de R et o` u les inconnues sont x
1
, ....x
p
.
La i
e
equation : a
11
x
1
+ ... + a
1j
x
j
+ .... + a
1p
x
p
, = b
1
est notee L
i
et
appelee i
e
ligne de (S).
On appelle syst`eme homog`ene un syst`eme dont tous les seconds
membres sont nuls 1 i n, b
i
= 0.
Un p-uplet (c
1
, c
2
, .....c
p
) est solution du syst`eme (S) sil est solution
des n equations composants le syst`eme.
Resoudre le syst`eme (S) consiste `a trouver lensemble des solu-
tions de (S).
Un syst`eme nayant aucune solution est dit impossible.
Un syst`eme ayant plusieurs solutions est dit indetermine.
Remarque 2.1.2. Un syst`eme homog`ene admet toujours la solution nulle (0, 0...., 0).
Denition 2.1.3. Deux syst`emes S et S sont equivalents sils ont meme
ensemble de solutions.
2.1.2 Operations elementaires sur les lignes dun syst`eme
Soit (S) un syst`eme de n equations lineaires `a p inconnues.
Denition 2.1.4. On appelle operation elementaire sur les lignes dun syst`eme :
Le fait dechanger deux lignes, L
i
L
j
, (i ,= j)
Le fait de multiplier une ligne par un reel non nul, L
i
L
i
, ( ,= 0)
Le fait dajouter `a une ligne le multiple dune autre ligne, L
i
L
i
+ L
j
,
(i ,= j)
Proposition 2.1.1. En eectuant une operation elementaire sur les lignes dun
syst`eme (S), on obtient un syst`eme (S) qui lui est equivalent.
Remarque 2.1.3. Il faut faire bien attention `a ne faire quune operation ele-
mentaire `a la fois.
2.2 Resolution par la methode de Gauss
Lobjet de cette section est de presenter une methode systematique permettant
de transformer un syst`eme quelconque en un syst`eme equivalent facile ` a resoudre.
2.2.1 Principe de la methode de Gauss
Soit S un syst`eme de n equations lineaires ` a p inconnues.
6 Alg`ebre II
2.2 Resolution par la methode de Gauss
1. On echange les lignes de 1 ` a n de telle sorte que le coecient en x
1
, dans
la premi`ere ligne soit non nul. Cest notre pivot a
11
.
2. On soustrait ` a la i
e
ligne un multiple de la premi`ere ligne de telle sorte que
le coecient en x
1
de la i
e
ligne soit nul,
L
i
L
i

a
i1
a
11
L
1
(2 i n)
Le syst`eme (S) est transforme en le syst`eme equivalent
_
L
1
(S
1)
O` u (S
1
) est un syst`eme de (n1) equations `a (p1) inconnues : x
2
, x
3
, ...., x
p
3. On applique la methode decrite dans 1. et 2. ` a (S
1
) qui va etre transforme
` a son tour en un syst`eme equivalent
_
L
2
(S
2)
O` u (S
2
) est un syst`eme de (n2) equations `a (p2) inconnues : x
3
, x
4
, ...., x
p
4. Le processus sarrete car `a chaque etape, le nombre dequations et le nombre
dinconues diminuent
5. On trouve `a la n un syst`eme triangulaire, il sut alors de remonter :
Remarque 2.2.1.
1. Choix des pivots : `a chaque etape, si cest possible, on a interet `a
choisir un pivot simple ( 1 est souvent le meilleur choix ) et le cas
echeant, independant de param`etres.
2. Si lors dune etape apparait une equation de la forme 0 =
Si ,= 0 le processus sarrete car (S) est impossible.
Si = 0 on peut supprimer lequation (0=0).
2.2.2 Exemples
Exemple 2.2.1. Resoudre
_

_
2x
2
+ x
3
= 2
x
1
+ 2x
2
+ x
3
= 1
x
1
2x
2
+ 2x
3
= 3
L
1
L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
+ x
3
= 2
x
1
2x
2
+ 2x
3
= 3
L
3
L
3
L
1
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
+ x
3
= 2
4x
2
+ x
3
= 2
Pr.Khatmi 7
Resolution des syst`emes lineaires
L
3
L
3
+ 2L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
+ x
3
= 2
3x
3
= 6

_
x
1
= -1
x
2
= 0
x
3
= 2
la solution est (1, 0, 2)
Exemple 2.2.2. Resoudre
_

_
2x
1
+ 2x
2
+ x
3
= 2
x
1
+ 2x
2
+ x
3
= 1
x
1
2x
2
+ 2x
3
= 3
L
1
L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
1
+ 2x
2
+ x
3
= 2
x
1
2x
2
+ 2x
3
= 3
L
2
L
2
2L
1
L
3
L
3
L
1
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
x
3
= 0
4x
2
+ x
3
= 2
L
3
L
3
2L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
x
3
= 0
3x
3
= 2

_
x
1
= 1
x
2
=
1
3
x
3
=
2
3
La solution est (1,
1
3
,
2
3
)
Exemple 2.2.3. Resoudre
_

_
2x
1
+ 2x
2
+ x
3
= 2
x
1
+ 2x
2
+ x
3
= 1
x
1
2x
2
x
3
= 1
8 Alg`ebre II
2.2 Resolution par la methode de Gauss
L
1
L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
1
+ 2x
2
+ x
3
= 2
x
1
2x
2
x
3
= 1
L
2
L
2
2L
1
L
3
L
3
L
1
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
x
3
= 0
4x
2
2x
3
= 0
L
3
L
3

4
2
L
2
_

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
x
3
= 0
0 = 0

_
x
1
+ 2x
2
+ x
3
= 1
2x
2
x
3
= 0
_

_
x
1
= 1
x
2
=
1
2
x
3

_
x
1
= 1
x
2
=
1
2

x
3
=
R
Les solutions sont (1, 0, 0) + (0, 1, 2) avec R
Exemple 2.2.4. Resoudre
_

_
2x
1
+ x
2
3x
3
+ 4x
4
= 5
3x
1
+ 5x
2
+ 2x
3
3x
4
= 8
x
1
3x
2
8x
3
+ 11x
4
= 7
L
1
L
3
_

_
x
1
3x
2
8x
3
+ 11x
4
= 7
3x
1
+ 5x
2
+ 2x
3
3x
4
= 8
2x
1
+ x
2
3x
3
+ 4x
4
= 5
L
2
L
2
3L
1
L
3
L
3
2L
1
_

_
x
1
3x
2
8x
3
+ 11x
4
= 7
14x
2
+ 26x
3
36x
4
= -13
7x
2
+ 13x
3
18x
4
= -9
Pr.Khatmi 9
Resolution des syst`emes lineaires
L
3
L
3

7
14
L
2
_

_
x
1
3x
2
8x
3
+ 11x
4
= 7
14x
2
+ 26x
3
36x
4
= -13
0 =
5
2
La derni`ere ligne est impossible, donc le syst`eme na aucune solution.
2.3 Resolution par la methode de Cramer
Dans La suite, nous presentons une methode alternative ` a celle de pivot de
Gauss pour resoudre les syst`emes lineaires de n equations ` a n inconnues.Cest la
methode de Cramer dite aussi methode des determinants. C est une methode qui
est simple dans son application, mais qui peut devenir tr`es fastidieuse lorsque le
nombre de variables devient eleve puisquelle repose uniquement sur le calcul des
determinants.
2.3.1 Determinant dune matrice carree dordre 2
Denition 2.3.1. Soit :
A =
_
a
11
a
12
a
21
a
22
_
Une matrice carree dordre 2, alors le determinant de A est deni par legalite :
[A[ =

a
11
a
12
a
21
a
22

= a
11
a
22
a
21
a
12
Exemple 2.3.1. Trouver le determinant de la matrice :
A =
_
3 2
1 4
_
Solution
Le determinant est :
[A[ =

3 2
1 4

= (3 4) (1 (2)) = 12 + 2 = 14
2.3.2 Determinant dune matrice carree dordre 3 par la
methode de Sarrus
Soit
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
10 Alg`ebre II
2.3 Resolution par la methode de Cramer
une matrice carree dordre 3
La r`egle de Sarrus consiste `a ecrire les trois colonnes de la matrice A et ` a
repeter dans lordre :
Soit les deux premi`eres lignes en dessous de la matrice A pour obtenir la
matrice augmentee en ligne suivante :
A
L
=
_
_
_
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
_
_
_
_
_
_
.
Il sut alors deectuer les produits des coecients de chaque diagonale
et den faire la somme si la diagonale est descendante ou la dierence si la
diagonale est ascendante.
[A[ = a
11
a
22
a
33
+ a
21
a
32
a
13
+ a
31
a
12
a
23
a
21
a
12
a
33
a
11
a
32
a
23
a
31
a
22
a
13
Soit les deux premi`eres colonnes `a droite de la matrice A pour obtenir la
matrice augmentee en colonne suivante :
A
C
=
_
_
a
11
a
12
a
13
a
11
a
12
a
21
a
22
a
23
a
21
a
22
a
31
a
32
a
33
a
31
a
32
_
_
.
et eectuer les produits des coecients de chaque diagonale et den faire la
somme si la diagonale est descendante ou la dierence si la diagonale est
ascendante.
[A[ = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
33
a
21
a
12
a
32
a
23
a
11
a
31
a
22
a
13
Remarque 2.3.1.
ATTENTION : La methode de Sarrus ne marche que pour les matrices
carres dordre 3
Exemple 2.3.2. Calculer le determinant de la matrice
A =
_
_
2 3 1
3 2 3
5 4 2
_
_
Solution
A
L
=
_
_
_
_
_
_
2 3 1
3 2 3
5 4 2
2 3 1
3 2 3
_
_
_
_
_
_
Pr.Khatmi 11
Resolution des syst`emes lineaires
[A[ = 2 2 (2) + 3 4 1 + 5 (3) (3) 3 (3) (2) 2 4 (3) 5 2 1)
= 8 + 12 + 45 18 + 24 10 = 45
de meme si on consid`ere la matrice
A
C
=
_
_
2 3 1 2 3
3 2 3 3 2
5 4 2 5 4
_
_
[A[ = 2 2 (2) + (3) (3) 5 + 1 3 4 (2) 3 (3) 4 (3) 2 5 2 1)
= 8 + 45 + 12 18 + 24 10 = 45
dans les deux cas on trouve la meme valeur pour le determinant.
2.3.3 Determinant dune matrice carree dordre n > 2 par
la methode de cofacteurs
Pour calculer le determinant dune matrice dordre n > 2, nous allons intro-
duire les notions de sous matrice et de cofacteur qui vont permettre de ramener
le calcul du determinant dordre n au calcul de determinant dordre 2.
Denition 2.3.2.
1. Soit A une matrice carree dordre n, on appelle sous-matrice A
ij
la ma-
trice dordre (n 1) obtenue en supprimant la i `eme ligne et la j `eme
colonne de la matrice A.
2. Le determinant dune sous-matrice A
ij
est appele mineur de lelement
a
ij
.
3. La signature dun element a
ij
est donnee par (1)
i+j
.
4. Le cofacteur dun element a
ij
est le produit de soin mineur par sa signa-
ture, soit :
(1)
i+j
[A
ij
[.
Exemple 2.3.3. Trouver la sous-matrice A
23
, le mineur de a
12
et le cofacteur
de a
32
de la matrice :
_
_
5 2 3
6 4 7
8 1 4
_
_
Solution
La sous matrice
A
23
=
_
5 2
8 1
_
12 Alg`ebre II
2.3 Resolution par la methode de Cramer
Elle est obtenue en eliminant la ligne 2 et la colonne 3 de la matrice A.
Le mineur de a
12
est le determinant de la sous matrice A
12
soit :
[A
12
[ =

6 7
8 4

= 24 56 = 32
Le cofacteur de lelement a
32
est le produit du mineur de a
32
par sa signature,
soit :
(1)
3+2
[A
32
[ = (1)
5

5 3
6 7

= 1(35 18) = 17
Remarque 2.3.2. La signature est positive lorsque (i + j) est pair et negative
lorsque (i+j) est impair. En pratique, lorsque la signature delement est negative,
on change le signe de son mineur pour obtenir le cofacteur et si la signature
est positive, on conserve le meme signe. La signature des elements alterne dun
element `a lautre.la signature dune matrice carree dordre n est :
_
_
_
_
_
_
_
+ . . . (1)
1+j
. . . (1)
1+n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(1)
i+1
. . . (1)
i+j
. . . (1)
i+n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(1)
n+1
. . . (1)
n+j
. . . +
_
_
_
_
_
_
_
Denition 2.3.3. Le determinant dune matrice carree dordre n est obtenue en
eectuant la somme des produits de chaque element dune ligne (ou colonne) par
son cofacteur respective.
Exemple 2.3.4. Calculer le determinant de la matrice :
_
_
3 2 1
2 3 4
5 1 2
_
_
Solution
Developpons le determinant `a partir de la premi`ere ligne :

3 2 1
2 3 4
5 1 2

= 3

3 4
1 2

+ 2

2 4
5 2

+ 1

2 3
5 1

Donc

3 2 1
2 3 4
5 1 2

= 3(6 + 4) + 2(4 20) + 1(2 + 15) = 6 32 + 13 = 25


Pr.Khatmi 13
Resolution des syst`emes lineaires
Exemple 2.3.5. Calculer le determinant de la matrice :
A =
_
_
_
_
3 2 1 0
2 3 4 0
5 1 2 0
4 3 1 9
_
_
_
_
Solution
Developpons le determinant `a partir de la quatri`eme colonne :
[A[ = (1)
4+4
9

3 2 1
2 3 4
5 1 2

= 9 (25) = 225
2.3.4 Proprietes des determinants
Les proprietes des determinants permettent de simplier le calcul des deter-
minants, surtout pour un determinant dordre eleve.
Theor`eme 2.3.1. Soit A une matrice carree dordre n.
1. Si tous les elements dune ligne ( ou dune colonne ) de A sont nuls alors
[A[ = 0
2. Si deux lignes ou deux colonnes de A sont proportionnelles alors [A[ = 0

a
11
a
12
a
13
a
21
a
22
a
23
ka
11
ka
12
ka
13

= 0
3. Si on fait une permutation de deux lignes ou de deux colonnes, il faut mul-
tiplier le determinant par (-1).

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

a
21
a
22
a
23
a
11
a
12
a
13
a
31
a
32
a
33

4. Si chaque element dune ligne ( ou de colonne) dune matrice A est la


somme de deux quantites, alors le determinant de A peut etre ecrit comme
une somme de deux determinants.

a
11
a
12
a
13
a
21
a
22
a
23
a
31
+ b
31
a
32
+ b
32
a
33
+ b
33

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

a
11
a
12
a
13
a
21
a
22
a
23
b
31
b
32
b
33

14 Alg`ebre II
2.3 Resolution par la methode de Cramer
5. Si on a une ligne (resp. une colonne) combinaison lineaires des autres lignes
(resp.des autres colonnes) alors [A[ = 0

a
11
a
12
a
13
a
21
a
22
a
23
a
11
+ a
21
a
12
+ a
22
a
13
+ a
23

= 0
6. Le determinant ne change pas si lon ajoute `a une ligne (resp.`a une colonne)
une combinaison lineaire des autres lignes (resp. des autres colonnes).

a
11
a
12
a
13
a
21
+ ka
11
a
22
+ ka
12
a
23
+ ka
13
a
31
a
32
a
33

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

7. Soit A et B deux matrices qui ne di`erent que par le fait que les elements
dune ligne (ou dune colonne) de la matrice B sont obtenus en multipliants
par k les elements de meme adresse de A. alors
[A[ = k[B[

a
11
a
12
a
13
ka
21
ka
22
ka
23
a
31
a
32
a
33

= k

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

2.3.5 Principe de la resolution par la methode de CRA-


MER
Soit le syst`eme dequations lineaires
(S)
_

_
a
11
x
1
+ ... + a
1j
x
j
+ .... + a
1n
x
n
, = b
1
a
21
x
1
+ ... + a
2j
x
j
+ .... + a
2p
x
n
, = b
2
.
.
.
a
i1
x
1
+ ... + a
ij
x
j
+ .... + a
ip
x
n
, = b
i
.
.
.
a
n1
x
1
+ ... + a
nj
x
j
+ .... + a
np
x
n
, = b
n
Denition 2.3.4. On dit quun syst`eme lineaire (S) de n equations `a n incon-
nues est de Cramer sil admet une solution unique.
Proposition 2.3.1. Un syst`eme est de Cramer si et seulement le determinant
de la matrice associe est non nul.
Pr.Khatmi 15
Resolution des syst`emes lineaires
Denition 2.3.5 (Principe de la methode de Cramer).
La methode de cramer permet de calculer les valeurs des inconnues en suivant
trois etapes successives :
1. Calculer le determinant de la matrice A associee au syst`eme S. Ce resultat
doit etre dierent de 0 sinon le syst`eme na pas de solution.
2. Calculer le determinant de la matrice A
i
obtenue en remplacant la i eme
colonne par les elements du vecteur colonne du second membre b
3. Ces deux operations prealables permettent dobtenir les solutions du syst`eme
S en posant
x
i
=
[A
i
[
[A[
2.3.6 Exemples
Exemple 2.3.6. Resoudre par la methode de CRAMER le syst`eme dequations
suivant :
_
_
_
2x
1
3x
2
+ 5x
3
, =-8 ;
4x
1
2x
2
+ x
3
, =12 ;
x
1
+ 5x
2
x
3
, =-3.
Solution
Le determinant de la matrice des coecients est :

2 3 5
4 2 1
1 5 1

= 89
Le determinant etant dierent de zero, la solution est unique est donnee par :
x
1
=

8 3 5
12 2 1
3 5 1

89
= 3 x
2
=

2 8 5
4 12 1
1 3 1

89
= 2 x
3
=

2 3 8
4 2 12
1 5 3

89
= 4
2.4 EXERCICES
Exercice 2.4.1. Resoudre par la methode de Gauss le syst`eme suivant :
_

_
x
1
3x
2
+ x
3
= 10
2x
1
+ 4x
2
3x
3
= 10
3x
1
2x
2
+ 2x
3
= 19
x
1
+ 10x
2
8x
3
= 39
16 Alg`ebre II
2.4 EXERCICES
Exercice 2.4.2. En utilisant la methode de Sarrus, calculer le determinant sui-
vant :
=

2 1 4
6 2 0
1 3 6

Exercice 2.4.3. Calculer le determinant suivant :


=

2 0 3
4 2 1
3 1 6

En decomposant selon les cofacteurs de :


1. La premi`ere ligne.
2. La premi`ere colonne.
3. La troisi`eme colonne.
4. La deuxi`eme ligne.
Exercice 2.4.4. Calculer le determinant suivant :

1
=

1 0 0
1 1 1
1 2 4

En deduire la valeur du determinant :

1
=

2 0 0
3 3 3
7 14 28

Exercice 2.4.5. Resoudre par la r`egle de Cramer le syst`eme suivant :


_
_
_
2x + y + z = 3
x y + z = 0
4x + 3y 2z 4
Exercice 2.4.6. Vous projeter de passer un concours de recrutement lan pro-
chain. Vous avez sous les yeux le tableau suivant :
Candidat A B C
Mathematique 7 11 11
Anglais 12 6 16
Informatique 6 10 14
Moyenne 8 9 14
Retrouver le coecient de chaque epreuve.
Pr.Khatmi 17
Resolution des syst`emes lineaires
Exercice 2.4.7. Dans une usine de meubles non peint, le travail a ete decompose
en trois etapes : sciage, assemblage et sablage. On a constate que dans chacun de
ces departements, il y avait reguli`erement des ouvr`ers qui navaient pas de travail
`a eectuer et quil se perdait, mensuellement, lequivalent de 109 heures-homme
`a latelier de sciage, 164 heures-homme `a latelier dassemplage et 273 heures-
homme `a latelier de sablage. Pour eliminer ces pertes de temps, la direction a
decide de fabriquer trois nouveaux mod`eles de chaise. La direction a fait deter-
miner le temps necessaire `a la realisation de ces mod`eles et les donnees obtenues
sont celles du tableau suivant :
M
1
M
2
M
3
Temps libres dans chaque atelier
Sciage 1 2 2 109
Assemblage 2 2 3 164
Sablage 3 4 5 273
1. Determiner le nombre de chaises de chaque mod`ele quil faut produire pour
eliminer les temps morts.
2. La chaise de type M
3
etant la plus dispendieuse `a cause de son temps de
realisation, la demande pour ce mod`ele est assez faible et on prevoit ne
pouvoir en vendre plus de 10 par mois ; pour les autres mod`eles, on prevoit
ne pouvoir sure `a la demande. En tenant compte de ces contraintes de
marche, determiner les solutions realisables du probl`eme et les representer
sous forme de tableaux.
Exercice 2.4.8. Une entreprise fabrique deux types de lames de rasoir de qualites
dierentes. Pour fabriquer 100 lames de premi`ere qualite, il faut 5 unites dacier
ordinaire et 7 unites dacier special. Pour fabriquer 100 lames de deuxi`eme qua-
lite, il faut 9 unites dacier ordinaire et 3 unites dacier special.
1. Sachant que lentreprise a en reserve 195 unites dacier ordinaire et 129
unites dacier special, determiner le nombre de paquets de 100 lames de
chaque qualite qui peuvent etre produites.
2. Combien seront produites si lentreprise recoit une livraison dacier portant
ses reserves `a 833 unites dacier ordinaire et 523 unites dacier special
Exercice 2.4.9. En utilisant les proprietes des determinants, calculer
D =

4 5 1 6
8
3
1
3
1 2
12 3 0 9
4 2 1 3

.
18 Alg`ebre II
2.4 EXERCICES
Exercice 2.4.10. En le remplacant par un deteminant de forme triangulaire
superieur, calculer
D =

0 2 1 1
0 6 3 2
1 1 1 0
2 1 1 1

.
Exercice 2.4.11. Resoudre dans Z, le syst`eme (S)
(S)
_
2x + y = 3
x + 2y = 2
Exercice 2.4.12. Une usine de meubles fabrique trois mod`eles de bureaux. La
fabrication de chacun de ces mod`eles de bureaux necessite des quantites dierentes
de bois, de contreplaque et de panneaux particules. Ces quantites apparaissent
dans le tableau suivant.
M
1
M
2
M
3
Bois 12 16 14
Contreplaque 1,5 2 1,8
Panneau particule 0,8 0,6 1,2
Le bois est en unites de longueur alors que la mesure pour le contreplaque et le
panneau particule est en unite de supercie.
1. La compagnie a en reserve les quantites suivantes, 530 unites de bois, 66,9
unites de contreplaque et 31,8 unites de panneau particule. Combien de
bureaux de chaque mod`ele peut-elle fabriquer avec ses reserves ?
2. la compagnie ayant des commandes pour 29 bureaux du mod`ele 1, 55 bureaux
du mod`ele 2 et 43 bureaux du mod`ele 3, quelles quantites supplementaires
de chaque materiau doit-elle commander pour remplir ces commandes ?
3. Le temps de realisation de ces bureaux en minutes de travail par un homme
ainsi que les temps disponibles par semaine dans les dierents ateliers sont
donnes dans le tableau suivant.
M
1
M
2
M
3
Temps disponibles par atelier
Sciage 75 90 85 5010
Assemblage 45 50 65 3170
Sablage 50 65 90 4050
Combien la compagnie peut-elle fabriquer de bureaux de chaque mod`ele par
semaine ?
Pr.Khatmi 19
Chapitre 3
Produit scalaire et Espace
euclidien
Dans ce paragraphe, E designe un espace vectoriel sur R
3.1 Produit scalaire
3.1.1 Denition
Denition 3.1.1.
Soit E un espace vectoriel sur R. On dit que est un produit scalaire sur
E lorsque est une application de E E dans R telle que :
1. est bilineaire
(x
1
, x
2
, y) E
3
, (
1
,
2
) R
2
,
(
1
x
1
+
2
x
2
, y) =
1
(x
1
, y) +
2
(x
2
, y).
(x, y
1
, y
2
) E
3
, (
1
,
2
) R
2
,
(x,
1
y
1
+
2
y
2
) =
1
(x, y
1
) +
2
(x, y
2
).
2. est symetrique
(x, y) E
2
, (x, y) = (y, x).
3. est positive
x E, (x, x) 0.
4. est denie positive
(x, x) = 0 x = 0
21
Produit scalaire et Espace euclidien
Remarque 3.1.1.
Une application de E E dans R veriant les points (1) et(2) est dite
forme bilineaire symetrique.
Un produit scalaire est une forme bilineaire symetrique denie po-
sitive.
x E, (x, 0) = 0
Un produit scalaire, (x, y) est souvent note < x, y > ou < x[y > ou (x[y)
ou x.y.
Dans toute la suite nous utiliserons la notation < x, y >.
Proposition 3.1.1. est un produit scalaire sur E si et seulement si :
1. (x
1
, x
2
, y) E
3
,
(x
1
+ x
2
, y) = (x
1
, y) + (x
2
, y).
2. (x, y) E
2
, R,
(x, y) = (x, y).
3. (x, y) E
2
, (x, y) = (y, x).
4. x E, (x, x) 0.
5. (x, x) = 0 x = 0.
Demonstration


Evident.
Il sut de montrer que (x, y
1
, y
2
) E
3
, (
1
,
2
) R
2
,
(x,
1
y
1
+
2
y
2
) =
1
(x, y
1
) +
2
(x, y
2
).
On a
(x,
1
y
1
+
2
y
2
) = (
1
y
1
+
2
y
2
, x) dapr`es le point (3)
(
1
y
1
+
2
y
2
, x) = (
1
y
1
, x) + (
2
y
2
, x) dapr`es le point (1)
(
1
y
1
, x) + (
2
y
2
, x) =
1
(y
1
, x) +
2
(y
2
, x) dapr`es le point (2)
Exemple 3.1.1.
1. E = R
2
Soit x = (x
1
, x
2
) et y = (y
1
, y
2
) deux elements de E.
Lapplication (x, y) = x
1
y
1
+ x
2
y
2
est un produit scalaire sur E.
22 Alg`ebre II
3.1 Produit scalaire
En eet : est une application de E E vers R telle que
(x, y, z) E
3
, on a x + y = (x
1
+ y
1
, x
2
+ y
2
)
(x + y, z) = (x
1
+ y
1
)z
1
+ (x
2
+ y
2
)z
2
= x
1
z
1
+ y
1
z
1
+ x
2
z
2
+ y
2
z
2
= (x
1
z
1
+ x
2
z
2
) + (y
1
z
1
+ y
2
z
2
)
= (x, z) + (y, z).
(x, y) E
2
et R, on a x = (x
1
, x
2
)
(x, y) = (x
1
.y
1
) + (x
2
.y
2
)
= (x
1
.y
1
+ x
2
.y
2
)
= (x, y).
(x, y) = x
1
y
1
+ x
2
y
2
= y
1
x
1
+ y
2
x
2
= (y, x).
(x, x) = x
2
1
+ x
2
2
0.
(x, x) = 0 x
2
1
+ x
2
2
= 0 x
2
1
= 0 et x
2
2
= 0 x = 0.
2. De meme si E = R
n
, x = (x
1
, x
2
, .....x
n
) et y = (y
1
, y
2
, ......y
n
).
Lapplication (x, y) =
i=n

i=1
x
i
y
i
est un produit scalaire sur E.On lappelle
Produit scalaire canonique
3. Plus generalement si E est un R espace vectoriel de base (e
1
, e
2
, ....e
n
).
x E, x =
i=n

i=1
x
i
e
i
et y E, y =
i=n

i=1
y
i
e
i
.
Lapplication denie par (x, y) =
i=n

i=1
x
i
y
i
est un produit scalaire sur E.
Exercice 3.1.1. Soit lespace E = R
2
et le produit scalaire denie sur E.
(x, y) = x
1
y
1
+ x
2
y
2
, (x, y) E avec x = (x
1
, x
2
) et y = (y
1
, y
2
).
Calculer (t, z), pour les t et z suivant :
1. t = (1, 2) et z = (o, 5)
2. t = (4, 5) et z = (3, 7)
Exercice 3.1.2. Soit E = C([a, b], R) lensemble des fonctions continues de [a, b]
vers R. Montrer que lapplication denie de E vers R par
(f, g) =
_
b
a
f(t)g(t)dt
est un produit scalaire sur E.
Pr.Khatmi 23
Produit scalaire et Espace euclidien
Proposition 3.1.2. Soit (x
i
)
1ir
et (y
j
)
1js
deux familles de vecteurs de E et
(
i
)
1ir
et (
j
)
1js
deux familles de nombres reels
<
r

i=1

i
x
i
,
s

j=1

j
y
j
>=
r

i=1
s

j=1

j
< x
i
, y
j
>
Demonstration
Posons Y =
s

j=1

j
y
j
<
r

i=1

i
x
i
, Y >=
r

i=1

i
< x
i
, Y >
< x
i
, Y >=< x
i
,
s

j=1

j
y
j
>=
s

j=1

j
< x
i
, y
j
>
<
r

i=1

i
x
i
, Y >=
r

i=1

i
s

j=1

j
< x
i
, y
j
>=
r

i=1
s

j=1

j
< x
i
, y
j
>
3.1.2 Norme euclidienne
Denition 3.1.2.
On appelle norme euclidienne associee au produit scalaire ,
lapplication N de E dans R denie par N(x) =
_
(x, x).
N(x) est generalement notee |x|
Exemple 3.1.2.
La norme associe au produit canonique sur R
n
est |x| =

_
n

i=1
x
2
i
Denition 3.1.3. Soit x un vecteur de E.
x est dit norme ou unitaire lorsque sa norme |x| = 1.
Remarque 3.1.2. Si x est un vecteur non nul, alors le vecteur
1
x
x est un
vecteur norme colineaire `a x.
Proposition 3.1.3. (x, y) E
2
et R on :
1. |x| 0.
2. |x| = 0 x = 0.
3. |x| = [[|x|.
4. |x + y|
2
= |x|
2
+|y|
2
+ 2 < x, y > .
5. < x, y >=
1
2
[|x + y|
2
|x|
2
|y|
2
].
24 Alg`ebre II
3.1 Produit scalaire
Demonstration
1. |x| =

< x, x > 0.
2. |x| = 0 < x, x >= 0 x = 0.
3. |x| =

< x, x > =
_

2
< x, x > = [[|x|.
4.
|x + y|
2
= < x + y, x + y >
= < x, x > + < x, y > + < y, x > + < y, y >
= |x|
2
+ 2 < x, y > +|y|
2
.
Donc < x, y >=
1
2
[|x + y|
2
|x|
2
|y|
2
]
Theor`eme 3.1.1 (Inegalite de cauchy-Schwwarz).
(x, y) E
2
1. [ < x, y > [ |x||y| ou encore < x, y >
2
|x|
2
|y|
2
.
2. [ < x, y > [ = |x||y| (x, y)est une famille lie.
Demonstration
t R, |x + ty|
2
= |x|
2
+ 2t < x, y > +|y|
2
.
1. Si y ,= 0, on a un trin ome du second degre en t qui est toujours positif
ou nul, donc son discriminant est negatif ou nul.
= 4 < x, y >
2
4|x|
2
|y|
2
.
Donc 0 [ < x, y > [ |x||y|.
Si y = 0, < x, 0 >= 0 et |0| = 0, donc linegalite est veriee.
2.
[ < x, y > [ = |x||y| (y = 0) ou (y ,= 0 et = 0)
(y = 0) ou (t R tel que |x + ty|
2
= 0)
(y = 0) ou (t R tel que x + ty = 0)
(x, y) liee.
Proposition 3.1.4.
1. Pour tous (x
1
, ...x
n
) R
n
et (y
1
, ...y
n
) R
n
(
n

i=1
x
i
y
i
)
2
(
n

i=1
x
2
i
)(
n

i=1
y
2
i
)
Pr.Khatmi 25
Produit scalaire et Espace euclidien
2. pour tous (f, g) C([a, b], R)
2
[
_
b
a
(f(x)g(x)dx[ (
_
b
a
f(x)
2
dx)
1
2
.(
_
b
a
g(x)
2
dx)
1
2
Demonstration
Application directe de linegalite de Cauchy-Schwarz dans les cas
1. E = R
n
et < x, y >=
n

i=1
x
i
y
i
.
2. E = C([a, b], R) et < f, g >=
_
b
a
f(x)g(x)dx.
Proposition 3.1.5 (Inegalite triangulaire).
Pour tout (x, y) E
2
,
|x + y| |x| +|y|.
Demonstration
|x + y|
2
= |x|
2
+ 2 < x, y > +|y|
2
.
Dapr`es linegalite de Cauchy-Schwarz, on
|x + y|
2
(|x|
2
+ 2|x|.|y| +|y|
2
.
Donc
|x + y|
2
(|x| +|y|)
2
et |x + y| |x| +|y|
Exercice 3.1.3. Soit E = R
2
. Pour tout x = (x
1
, x
2
) E, on pose
N(x) =
_
2x
2
1
+ 5x
2
2
2x
1
x
2
.
Montrer que N est la norme euclidienne associee `a un produit scalaire que lon
denera.
3.2 Orthogonalite
Dans ce paragraphe, E designe un espace vectoriel sur R muni dun produit
scalaire, note < ., . >.
26 Alg`ebre II
3.2 Orthogonalite
3.2.1 Vecteurs orthogonaux
Denition 3.2.1.
Soit x et y deux elements de E.
On dit que x et y sont orthogonaux lorsque < x, y >= 0. On note alors xy.
Theor`eme 3.2.1 (Theor`eme de Pythagore).
xy |x + y|
2
= |x|
2
+|y|
2
Demonstration
On sait que |x + y|
2
= |x|
2
+ 2 < x, y > +|y|
2
, donc :
xy < x, y >= 0 |x + y|
2
= |x|
2
+|y|
2
3.2.2 Familles orthogonales - Familles orthonormales
Denition 3.2.2.
Soit o = (x
i
)
iI
une famille de vecteurs de E.
o est orthogonale lorsque pour tout (i, j) I
2
tel que i ,= j, x
i
x
j
.
o est orthonormale lorsque o est orthogonole et i I, |x
i
| = 1.
Proposition 3.2.1.
Toute famille nie orthogonale de vecteurs non nuls est libre.
Toute famille nie orthonormale est libre.
Demonstration
Soit x
1
, , x
n
une famille orthogonale de vecteurs non nuls, donc
< x
i
, x
j
>= 0 pour i ,= j
Montrons que cette famille est libre, cest ` a dire pour tous scalaires a
1
, , a
n
tels que
n

i=1
a
i
x
i
= 0 alors on a a
i
= 0, i 1, , n
n

i=1
a
i
x
i
= 0 j [1, n],
n

i=1
a
i
x
i
, x
j
= 0
Or

i=1
a
i
x
i
, x
j
=
n

i=1
a
i
x
i
, x
j
` a cause de la linearite du produit scalaire
= a
j
|x
j
|
2
Pr.Khatmi 27
Produit scalaire et Espace euclidien
Donc
n

i=1
a
i
x
i
= 0 a
j
|x
j
|
2
= 0 j [1, n]
Or
(a
j
|x
j
|
2
= 0 j [1, n]) (j [1, n], a
j
= 0 ou |x
j
|
2
= 0)
Or j [1, n] x
j
est un vecteur non nul,donc j [1, n], |x
j
|
2
,= 0,
on obtient alors a
j
= 0 j [1, n]. Donc (x
1
, , x
n
) est une famille libre.
Si une famille de vecteurs est orthonormale, alors cest une famille ortho-
gonale de vecteurs non nuls, do` u le resultat dapr`es le premier point.
3.2.3 Sous-espace orthogonaux
Denition 3.2.3.
Soit F et G deux sous-espaces vectoriels de E.
On dit que F et G sont orthogonaux lorsque pour tous x F, et y G,
on a xy. on note alors FG.
Proposition 3.2.2.
1. Si FG alors F G = 0
2. Si F = vect(x
1
, x
n
) et G = vect(y
1
, y
p
)
FG i [1, , n] et j [1, , p], x
i
y
j
Demonstration
1. On a 0 (F G), car F et G sont deux sous-espaces vectoriels de E. Il
reste montrer que (F G) 0.
En eet soit x (F G) donc x F et x G et comme FG alors
x, x = 0, donc x = 0. Par suite (F G) = 0
2. Par denition, si FG, alors i [i, , n] et j [i, , p] x
i
y
j
car
x
i
E et y
j
G.
Reciproquement si i [i, , n] et j [i, , p] x
i
y
j
Soit x F et y G,
x =
n

i=1

i
x
i
et y =
p

j=1

j
y
j
x, y =
n

i=1

i
x
i
,
p

j=1

j
y
j
=
n

i=1

i
p

j=1

j
x
i
, y
j
= 0
Donc xy
28 Alg`ebre II
3.3 Espaces euclidiens
Exemple 3.2.1. Soit E = R
3
muni du produit scalaire canonique, et soient F et
G deux sous-espaces de E tels-que
F = (x, y, z) Ex + y + z = 0 et G = (x, y, z) Ex = y = z
Montrer que F et G sont orthogonaux.
Solution : On peut montrer que F et G sont orthogonaux de deux facons.
1. Trouver des familles generatrices pour les deux sous espaces et
utiliser le deuxi`eme point de la proposition (3.2.2).
Soit u = (x, y, z) E et v = (x

, y

, z

) E
u F z = x y
u = (x, y, x y)
u = x(1, 0, 1) + y(0, 1, 1)
Donc F = vect(u
1
, u
2
) avec u
1
= (1, 0, 1) et u
2
= (0, 1, 1).
De meme
v G x

= y

= z

v = (x

, x

, x

)
v = x

(1, 1, 1)
Donc G = vect(u
3
) avec u
3
= (1, 1, 1)
dapr`es la proposition, il sut de montrer que u
1
u
3
et u
2
u
3
En eet
u
1
, u
3
= 1.1 + 0.1 + (1).1 = 0
u
2
, u
3
= 0.1 + 1.1 + (1).1 = 0
et donc FG
2. Autre methode
Soit u = (x, y, z) F avec x + y + z = 0 et v = (a, a, a) G
Donc u, v = ax+ay +az = a(x+y +z) Or x+y +z = 0, donc u, v = 0
3.3 Espaces euclidiens
3.3.1 Denition
Denition 3.3.1.
Un espace eulidien est un espace vectoriel sur R, de dimension nie muni
dun produit scalaire.
Pr.Khatmi 29
Produit scalaire et Espace euclidien
Exemple 3.3.1.
R
n
muni du produit scalaire canonique est un espace euclidien de dim n.
(([a, b], R) muni du produit scalaire deni par f, g =
_
b
a
f(t)g(t)dt
nest pas un espace euclidien car il nest pas de dimension nie.
3.3.2 Bases orthonormales
Denition 3.3.2.
B est une base orthonormale de E si B est une base de E et une famille
orthonormale de E.
Exemple 3.3.2.
La base canonique de R
n
est une base orthonormale pour le produit scalaire
canonique.
Theor`eme 3.3.1 (Caracterisation des bases orthonormales).
Soit E un espace euclidien de dimension n.
B est une base orthonormale de E si et seulement si B est une famille orthonor-
male de n vecteurs de E.
Demonstration
() : Si B est une base orthonormale de E, par denition, B est une famille
orthonormale de n vecteurs de E.
() :Si B est une famille orthonormale de n vecteurs de E, dapr`es la
proposition (3.2.1) B est une famille libre de n vecteurs de E. Comme
dim E = n, B est une base de E et donc une base orthonormale de E.
Exercice 3.3.1. Soit E = R
2
muni du produit scalaire canonique.
Montrer que B = (u, v) est une base orthonormale de R
2
avec
u = (
1

5
,
2

5
) et v = (
2

5
,
1

5
)
Theor`eme 3.3.2. [Existence de base orthonormale]
Tout espace euclidien poss`ede une base orthonormale.
Toute famille orthonormale de E peut etre completee en une base orthonor-
male de E.
La demonstration va etre traitee dans le chapitre suivant.
30 Alg`ebre II
3.4 Supplementaire orthogonale
3.4 Supplementaire orthogonale
Denition 3.4.1. Soit F un sous-espace vectoriel de lespace euclidien E.
On appelle orthogonal de F, lensemble, note F

, denie par
F

= x E / y F, xy
Remarque 3.4.1. F

est un sous-espace de E.
Exemple 3.4.1. Soit E un espace euclidien
1. 0

= E
2. E

= 0
Solution
1. On sait 0 est un sous-espce de E, donc 0

est sous espace de E.


Or x E, x, 0 = 0 E 0

.
Do` u 0

= E
2. E est un sous-esapce de E.
Or x E, x, 0 = 0 0 E

Dautre part x E

, y E, x, y = 0 en paticulier pour y = x, on
obtient donc x, x = 0
Or x, x = 0 x = 0.
Do` u le resultat
Proposition 3.4.1. Soit F = vect(e
1
, e
n
).
x F

i [1, , n], xe
i
La demonstration est analogue `a celle de la proposition (3.2.2)
Theor`eme 3.4.1. Soit E est un espace euclidien, et F un sous-espace de E.
1. F

et F sont deux sous-espaces supplementaires de E. F

est encore appele


le supplementaire orthogonal de F.En plus on a :
dimF

= dimE dimF
2. La reunion dune base orthonormale de F et dune base orthonormale de
F

est une base orthonormale de E


Pr.Khatmi 31
Produit scalaire et Espace euclidien
Demonstration
1. Si F = 0, F

= E do` u le resultat.
Si F = E, F

= 0 do` u le resultat.
Si F ,= 0 et F ,= E alors F admet une base orthonormale (e
1
, , e
p
),
1 p n1. Dapr`es le theor`eme (3.3.2), on peut completer cette famille
orthonormale pour obtenir (e
1
, , e
p
, e
p+1
, , e
n
) base orthonormale
de E. Donc x E, x =
n

i=1
x
i
e
i
.
x F

i [1, p], x, e
i
= 0
i [1, p], x
i
= 0
x =
n

i=p+1
x
i
e
i
Donc F

= vect(e
p+1
, , e
n
) et (e
p+1
, , e
n
) est une base orthonormale
de F

. La reunion dune base orthonormale de F et dune base ortho-


normale de F

etant une base orthonormale de E, on a E = F F

et
par suite
dimF

= dimE dimF
2. soit B
1
une base de F et B
2
une base de F

.
F et F

sont supplementaires, donc la reunion des deux bases B


1
et B
2
est une base B de E. Tous les vecteurs de cette base sont normes. Tous les
vecteurs de B
1
(resp B
2
) sont deux `a deux orthogonaux. Il reste ` a montrer
que les vecteurs de B
1
sont orthogonaux ` a ceux de B
2
.
Soit u B
1
et v B
2
,on a u, v = 0 car u F et v F

.
Donc tous les vecteurs de B sont deux ` a deux orthogonaux, et B est une
base orthonormale de E.
Exercice 3.4.1. Determiner les vecteurs de R
2
orthogonaux pour le produit sca-
laire canonique :
1. au vecteur x = (15, 3).
2. conjointement `a x = (1, 2) et y = (0, 1).
3. au plan dequation dequation x + y = 0
32 Alg`ebre II
3.5 EXERCICES
3.5 EXERCICES
Exercice 3.5.1. Soit E = R
3
muni du produit scalaire canonique.
Determiner parmi ces vecteurs ceux qui sont orthogonaux.
X
1
= (1, 1, 1), X
2
= (0, 1, 1), X
3
= (1, 5, 5) et X
4
= (
1

3
,
1

3
,
1

3
)
Exercice 3.5.2. Soit E = R
2
. x = (x
1
, x
2
) E et y = (y
1
, y
2
) E, on pose :
(x, y) = 2x
1
y
1
+ 5x
2
y
2
x
1
y
2
x
2
y
1
.
Montrer que est un produit scalaire sur E.
Montrer que N(x) =
_
2x
2
1
+ 5x
2
2
2x
1
x
2
est une norme euclidienne.
Exercice 3.5.3. Soit E = R
2
. x = (x
1
, x
2
) E et y = (y
1
, y
2
) E, on pose :
(x, y) = x
1
y
1
+ x
2
y
2
x
1
y
2
x
2
y
1
.
Est-ce que est un produit scalaire sur E ?
Exercice 3.5.4. Repondre par vrai ou faux en justiant votre reponse.
E designe un espace euclidien, < , > son produit scalaire, x, y, z, t sont des
vecteurs de E et , des nombres reels.
1. < x, y > + < z, x >=< x + z, y >
2. < x, y > + < z, t >=< x + z, y + t >
3. < x, y >= 0 x = 0 ou y = 0
4. < x, x >= 0 x = 0
5. z E, < x, z >= 0 x = 0
6. (x, y) E
2
, [ < x, y > [ < |x|.|y|
7. (x, y) E
2
, |x + y| = |x| +|y|
8. Toute famille de vecteurs orthogonaux est libre
Exercice 3.5.5. Determiner les vecteurs de R
3
orthogonaux pour le produit sca-
laire canonique :
1. au vecteur x = (10, 3, 7).
2. conjointement `a x = (1, 2, 3) et y = (0, 1, 1).
3. conjointement `a x = (1, 2, 3), y = (1, 3, 7) et z = (0, 1, 1).
4. au plan dequation x + y 6z = 0
Exercice 3.5.6. Soit B = (e
1
, , e
n
) une base orthonorme dun espace euclidien
E, On a x E, x =
n

i=1
x
i
e
i
.
Montrer que
i [1, n], x
i
= x, e
i

Pr.Khatmi 33